音视频生成

VASA-1是微软亚洲研究院开发的AI生成模型，可结合单张静态人像照片与输入音频，生成唇形精准同步、适配音频语调的真人头肩口播视频，能自然还原头部微动与面部情绪变化，当前已公开完整技术论文与官方效果演示样例。